Coverage optimization algorithm based on VF-CS in mobile sensor network

A random placement of large-scale sensor network in the outdoor environment often causes low coverage.An area coverage optimization algorithm of mobile sensor network (MSN) based on virtual force perturbation and Cuckoo search (VF-CS) was proposed.Firstly,the virtual force of the sensor nodes within the Thiessen polygon was analyzed based on the partitioning of Voronoi diagram of the monitoring area.Secondly,the force of polygon vertices and neighbor nodes was taken as the perturbation factor for updating the node’s location of the Cuckoo search (CS).Finally,the VF-CS guided the node to move so as to achieve the optimal coverage.The simulation results demonstrate that the proposed algorithm has higher coverage and shorter average moving distance of nodes than the Voronoi diagram based algorithms in literatures.     

A novel multi-objective optimization method: Input values effect on responses (IVER)

In this study, a novel multi-objective optimization method based on the best effect of unique input (independent variable) values on responses (dependent variables) was proposed. The proposed method was compared with optimization using Derringer & Suich function that is still the most used. The comparison was made using the response values measured in real experiments and available in the literature. The advantages of the proposed method such as not needing the polynomial model aiming to predict the response values, no parameter selection problem, being able to offer optimum range instead of single optimum value, being suitable for use with existing experimental designs and being simple and interpretable were demonstrated as a result of comparison. It was also suggested how the proposed method will be effective according to experimental designs, and application for the users' application was presented.     

基于混合模式快速电荷平衡的神经刺激器

设计实现了一种可用于脊髓神经刺激器的多通道大电流神经刺激器。提出将电极短接和插入短电流脉冲相结合的混合模式,在大电流下,能更加快速地实现电荷平衡。电路设计上,将ADC动态比较器的回踢噪声消除技术应用于神经刺激器,使得动态比较器在输入压差较小时能够输出正确的比较结果,从而将电极上残留电压保持在更安全的范围内。基于CSMC 0.25 μm BCD工艺进行设计与仿真,结果表明,在单向且最大刺激电流为4 mA、刺激脉宽为60 μs、刺激周期为750 μs的条件下,该15 V、16路神经刺激器能实现±50 mV安全电压的有源电荷平衡。     

多铜氧化酶在大肠杆菌中的分泌表达

生物胺是存在于发酵食品中的一类有机物，过量摄入会危害人体健康。多铜氧化酶中的某些酶具有降解多种生物胺的活性，在减控发酵食品中的氨(胺)类危害物方面具有良好的应用前景。研究多铜氧化酶的分泌表达，对酶的特性改造和工业化生产与应用具有重要意义。本研究通过在解淀粉芽孢杆菌来源的多铜氧化酶N端融合信号肽PhoA实现了多铜氧化酶在大肠杆菌中的分泌表达，胞外酶活为69.8 U/L。通过优化诱导条件和酶的分泌确定了多铜氧化酶最优发酵条件为诱导温度25℃、IPTG浓度0.05 mmol/L、诱导时菌体OD600=1.0、诱导6 h后添加150 mmol/L甘氨酸；发酵40 h时胞外多铜氧化酶酶活达到238.1 U/L，是优化前的3.4倍。     

退火温度对新型锆合金薄板带材析出相和织构的影响

采用扫描电镜和超高分辨透射电镜,对具有良好冲制性能的新型锆合金薄板成品带材进行含晶粒、第二相粒子等在内的显微组织研究,并探索真空退火处理条件下温度对带材显微组织的影响。结果显示:新型锆合金薄板成品带材晶粒平均尺寸2.17 μm,存在{0001}<1010>和{0001}<1120>两种织构,大部分晶粒<1120>平行带材RD方向,较少晶粒<1010>平行带材RD方向;第二相粒子分布在晶粒内部及晶界,平均尺寸114 nm,尺寸较大的为不规则椭圆形的Zr-Nb-Fe相,尺寸较小的为圆形的β-Nb相;热处理退火温度降低,带材晶粒尺寸减小,第二相粒子细小弥散分布;新型锆合金薄板成品带材良好冲制性能主要源于轧制积累应变诱发再结晶过程进行充分,导致晶粒细小及孪晶发生破碎;相对轧制变形,退火对带材冲制性能影响不显著。     

直流配网型混合动力系统在车客渡船上的应用

针对车客渡船动力负荷切换频繁,传统柴油机推进油耗高、排放和噪声大的问题,提出一种基于变速发电机组和超级电容储能装置的直流配网型混合动力系统。目前系统已成功应用于“江苏路渡3011”轮,实船运行数据显示:该混合动力系统不仅能达到较好的节油效果、降低排放,更在操控性、舒适性上优于传统的柴油机推进模式。     

Adaptive Discretization for Computerized Tomography

Two adaptive discretization frameworks are tested for computerized tomography (CT) data reconstruction. Removal of inactive pixels is primary motivation. Efficient and user independent entropy optimized masking is employed for spatial filtering purposes. Density of nodes at high gradient of reconstructed physical property is used as adaptation criterion. An alternative option, independent from noisy projection data and nature of the physical properties, is also discussed. Sensitivity analysis between the uniform and nonuniform (evolved via adaptive route) reconstruction grid reveals the utility of nonuniform grids. Iterative and transform based reconstruction techniques are used. Outcomes are tested successfully on three real world projection data from two different compact CT setups and one commercial high-resolution micro-CT scanner.     

聚类混合型数据的密度峰值改进算法

聚类混合型数据，通常是依据样本属性类别的不同分别进行评价。但这种将样本属性划分到不同子空间中分别度量的方式，割裂了样本属性原有的统一性；导致对样本个体的相似性评价产生了非一致的度量偏差。针对这一问题，提出以二进制编码样本属性，再由海明差异对属性编码施行统一度量的新的聚类算法。新算法通过在统一的框架内对混合型数据实施相似性度量，避免了对样本属性的切割，在此基础上又根据不同属性的性质赋予其不同的权重，并以此评价样本个体之间的相似程度。实验结果表明，新算法能够有效地聚类混合型数据；与已有的其他聚类算法相比较，表现出更好的聚类准确率及稳定性。     

差分准对立学习多目标蚁狮算法

为解决多目标优化问题，对经典的蚁狮算法进行改进，提出了基于差分进化的准对立学习多目标蚁狮算法（DEQOMALO）。该算法针对蚁狮算法易陷入局部最优的不足，一方面，该算法引用差分进化的思想，充分利用种群和精英蚁狮的信息对原算法中蚂蚁个体的位置更新方式进行改进；另一方面采用反向学习策略对蚂蚁种群进行优化，将原种群个体和其准对立个体进行混合并择优作为新的种群，大大增加种群的多样性。选取典型的标准测试函数，将提出的算法与原始蚁狮算法以及其他传统进化策略优化的蚁狮算法进行比较。实验结果表明，改进算法在收敛性和分布性上均有很大程度的提升，在解决双目标优化问题上具有较好的鲁棒性和有效性。     

结合边缘特征先验引导的深度卷积显著性检测

针对当前基于深度学习的显著性检测算法缺少利用先验特征和边缘信息，且在复杂场景中难以检测出鲁棒性强的显著性区域的问题，提出了一种结合边缘特征，利用先验信息引导的全卷积神经网络显著性检测算法。该算法利用三种被经常用到的先验知识结合边缘信息形成先验图，通过注意力机制将提取的先验特征与深度特征有效融合，最终通过提出的循环卷积反馈优化策略迭代地学习改进显著性区域，从而产生更可靠的最终显著图预测。经过实验定性定量分析，对比证明了算法的可靠性。